<p><strong>采用速度与全球保持一致，但结果滞后。</strong></p>
<p>根据 Snowflake 的报告，新加坡的组织在生成性人工智能的采用速度与全球同行相当，但将这一活动转化为可衡量回报的组织较少。</p>
<p>Snowflake 表示，39% 的新加坡受访者报告在多个用例中使用生成性人工智能，符合全球平均水平，但只有 33% 表示他们量化了投资回报，而全球这一比例为 49%。</p>
<p>该公司表示，新加坡受访者还预计在未来 12 个月内，人工智能将占技术预算的 15%，这是被调查市场中最低的比例，低于全球 23% 的平均水平。</p>
<p>该公司表示，这一差距似乎反映出执行力较弱，而非兴趣较低。在新加坡，32% 的受访者将识别具体用例视为主要挑战，而全球这一比例为 19%；同时，IT 运营、网络安全、研发、人力资源和市场营销等部门的人工智能采用水平也低于全球水平。</p>
<p>这种较窄的推广与较弱的商业成果有关。Snowflake 表示，79% 的新加坡受访者报告了运营效率的提升，而全球这一比例为 89%；同时，75% 的受访者报告了成本降低，而全球为 82%。</p>
<p>更广泛的调查仍显示出人工智能采用对劳动力的积极影响。在所有市场中，77% 的组织报告了人工智能驱动的就业创造，而 46% 报告了失业情况，69% 同时看到这两种情况的受访者表示整体影响是积极的。</p>
<p>Snowflake 表示，强大的数据基础和治理将决定组织是否能够成功扩展人工智能。</p>

SNOU

SNOW

<p>一项由 Snowflake 进行的调查显示，尽管新加坡的组织在生成性人工智能的采用率与全球同行相同（39%），但在实现可衡量的回报方面却落后，只有 33% 的受访者量化了投资回报率，而全球这一比例为 49%。预计人工智能将在新加坡的技术预算中占 15%，低于全球平均水平的 23%。面临的挑战包括识别具体的应用案例，32% 的新加坡受访者提到了这一问题。尽管运营效率提升较低（79% 对比全球的 89%），但人工智能的采用仍与各市场的积极就业创造效果相关联</p>

<p><strong>Adoption matches global pace, but results trail.</strong></p>
<div class="lb-trans"><p><strong>采用速度与全球保持一致，但结果滞后。</strong></p>
</div><p>Singapore organisations are adopting generative artificial intelligence at the same pace as global peers, but fewer are turning that activity into measurable returns, according to Snowflake.</p>
<div class="lb-trans"><p>根据 Snowflake 的报告，新加坡的组织在生成性人工智能的采用速度与全球同行相当，但将这一活动转化为可衡量回报的组织较少。</p>
</div><p>Snowflake said 39% of Singapore respondents reported using generative AI across many use cases, matching the global average, but only 33% said they had quantified return on investment, against 49% globally.</p>
<div class="lb-trans"><p>Snowflake 表示，39% 的新加坡受访者报告在多个用例中使用生成性人工智能，符合全球平均水平，但只有 33% 表示他们量化了投资回报，而全球这一比例为 49%。</p>
</div><p>It said Singapore respondents also expected AI to account for 15% of technology budgets over the next 12 months, the lowest share among the markets surveyed and below the 23% global average.</p>
<div class="lb-trans"><p>该公司表示，新加坡受访者还预计在未来 12 个月内，人工智能将占技术预算的 15%，这是被调查市场中最低的比例，低于全球 23% 的平均水平。</p>
</div><p>The company said the gap appeared to reflect weaker execution rather than lower interest. In Singapore, 32% of respondents cited identifying specific use cases as a top challenge, compared with 19% globally, whilst AI adoption across departments such as IT operations, cybersecurity, research and development, human resources, and marketing trailed global levels.</p>
<div class="lb-trans"><p>该公司表示，这一差距似乎反映出执行力较弱，而非兴趣较低。在新加坡，32% 的受访者将识别具体用例视为主要挑战，而全球这一比例为 19%；同时，IT 运营、网络安全、研发、人力资源和市场营销等部门的人工智能采用水平也低于全球水平。</p>
</div><p>That narrower rollout was linked to softer business outcomes. Snowflake said 79% of Singapore respondents reported operational efficiency gains, compared with 89% globally, whilst 75% reported cost reductions against 82% worldwide.</p>
<div class="lb-trans"><p>这种较窄的推广与较弱的商业成果有关。Snowflake 表示，79% 的新加坡受访者报告了运营效率的提升，而全球这一比例为 89%；同时，75% 的受访者报告了成本降低，而全球为 82%。</p>
</div><p>The broader survey still showed a positive workforce effect from AI adoption. Across all markets, 77% of organisations reported AI-driven job creation, compared with 46% reporting job losses, and 69% of those seeing both said the overall impact had been positive.</p>
<div class="lb-trans"><p>更广泛的调查仍显示出人工智能采用对劳动力的积极影响。在所有市场中，77% 的组织报告了人工智能驱动的就业创造，而 46% 报告了失业情况，69% 同时看到这两种情况的受访者表示整体影响是积极的。</p>
</div><p>Snowflake said stronger data foundations and governance would determine whether organisations could scale AI successfully.</p>
<div class="lb-trans"><p>Snowflake 表示，强大的数据基础和治理将决定组织是否能够成功扩展人工智能。</p>
</div>

调查显示，新加坡的人工智能回报落后于全球同行